To danske SaaS-selskaper i AI-svar: hva som avgjør om AI nevner dem

Slik gjorde vi analysen

Dette er en uavhengig analyse utenfra, ikke en kundecase. Selskapene har ikke bestilt noe og vet ikke om analysen. Vi brukte bare offentlig tilgjengelig informasjon og stilte vanlige spørsmål i AI-tjenestene, slik en kjøper ville gjort. Selskapene er anonymisert: ingen navn, ingen sitater og ingen detaljer som peker ut et enkelt selskap.

• Utvalg. To danske B2B SaaS-selskaper med under 20 ansatte, begge aktive i Det Centrale Virksomhedsregister (CVR). Vi valgte dem fordi nettstedene hadde synlige hull, ikke fordi de er representative.
• Nettstedskontroll. Forsiden, robots.txt, llms.txt og sitemap ble hentet 3. november 2026. Vi sjekket strukturerte data (JSON-LD), tittel, metabeskrivelse, canonical-tag og overskrifter.
• AI-tester. Kjøpsspørsmål i selskapets egen kategori, på nettstedets språk: engelsk for Selskap 1, dansk for Selskap 2. Selskap 1 fikk i tillegg to danske spørsmål i ChatGPT og ett i Perplexity. ChatGPT og Perplexity ble brukt uten innlogging, Gemini i en vanlig Google-konto. Hver test er lagret med skjermbilde eller tekst, dato og nøyaktig spørsmål.
• Ikke testet. Copilot krever innlogging og ble ikke kjørt.

Hva svarte AI-tjenestene?

Ingen av selskapene ble nevnt i alle tjenestene. Selskap 1 ble nevnt én gang, i Perplexity. Selskap 2 ble nevnt begge ganger i ChatGPT, men ikke i Gemini eller Perplexity. Svarene listet i tillegg flere konkurrenter hver gang.

Copilot er ikke med i tabellen fordi den ikke ble testet.

Selskap 1: nevnt av én tjeneste, ikke av de andre

Selskap 1 har et engelskspråklig nettsted og et produkt for en nisje i B2B-markedet, men ingen strukturerte data i det hele tatt. Det er et lite selskap med under 20 ansatte, og nettstedet er laget med et moderne rammeverk.

Hva vi fant på nettstedet

• Ingen JSON-LD. Forsiden har ingen Organization-markering, ingen produktmarkering og ingen sameAs-lenker til LinkedIn eller registre. AI-tjenester må utlede hvem selskapet er fra teksten alene.
• Canonical-taggen peker til en annen adresse. Forsiden oppgir en annen URL som kanonisk enn den som leverer innholdet. Det gir et uklart signal om hvilken adresse som er den riktige.
• Teknisk støy i hovedoverskriften. Stilkode fra rammeverket havner i selve H1-teksten. Mennesker ser det ikke, men en maskin som leser kildekoden gjør det.
• Ingen llms.txt. Filen returnerer 404. robots.txt tillater alle roboter og viser sitemap, så innholdet er tilgjengelig, men ingenting forteller AI kort hva selskapet gjør.
• Det som er i orden. Tittel og metabeskrivelse finnes, og sitemap er oppgitt.

Hva AI-tjenestene svarte

På seks spørsmål ble selskapet nevnt én gang: i Perplexity, på et engelsk spørsmål om hvilke SaaS-plattformer man bør velge. Der sto det i åpningssetningen til svaret, sammen med fem konkurrenter. ChatGPT på engelsk, Gemini på engelsk, to danske spørsmål i ChatGPT og ett dansk i Perplexity nevnte det ikke. Svarene listet i stedet flere andre leverandører, mange av dem store internasjonale navn.

Selskapet er dansk, men nettstedet er på engelsk. Det eneste treffet kom på et engelsk spørsmål, mens alle tre danske spørsmål ga ingen treff. Språket i spørsmålet og språket på nettstedet ser ut til å henge sammen.

Selskap 2: nevnt av ChatGPT, ikke av de andre

Selskap 2 har et dansk nettsted med bedre grunnmur enn Selskap 1, men en tynn beskrivelse av seg selv. Det er et lite selskap, under ti ansatte, med et SaaS-produkt for en B2B-prosess. Nettstedet er bygget på et vanlig publiseringssystem med SEO-programtillegg.

Hva vi fant på nettstedet

• Strukturerte data finnes. Forsiden har Organization-markering med sameAs til tre profiler, og dataene henger sammen i en fornuftig graf. Det er et godt utgangspunkt.
• Ingen produktmarkering. Det finnes ingen SoftwareApplication, ingen Offer og ingen FAQPage. Produktet er ikke beskrevet som et produkt for maskiner.
• Ingen metabeskrivelse. Forsiden har ingen description, og nettstedsbeskrivelsen i de strukturerte dataene er tom.
• Generisk tittel. Sidetittelen sier bare «Forside» etterfulgt av navnet. Den forteller verken hva selskapet gjør eller for hvem.
• Tynn robots.txt og en falsk llms.txt. robots.txt inneholder bare en generell regel uten henvisning til sitemap. Adressen llms.txt svarer med forsiden og statuskode 200 i stedet for en ekte fil, en såkalt myk 404.
• Det som er i orden. Én H1, tydelig canonical, og et sitemap som finnes.

Hva AI-tjenestene svarte

ChatGPT nevnte selskapet først i listen i begge testene, på et dansk spørsmål fra en B2B-kjøper som søker et dansk programvareselskap. Gemini og Perplexity nevnte det ikke. Gemini listet i stedet bredere systemer og plattformer, og Perplexity pekte på oversiktssider uten å nevne noen danske leverandører.

Én detalj er verdt å merke seg: ChatGPT oppga flere integrasjoner for selskapet, og kilden var en tredjepartsside, ikke selskapets egen. Vi har ikke kontrollert disse detaljene mot selskapets eget nettsted. AI-tjenesten bygde altså beskrivelsen på det andre skriver om selskapet.

Hvorfor nevner ikke AI dem oftere?

Vi kan ikke se inn i AI-tjenestene, så dette er forklaringer som passer med det vi målte, ikke bevis. Fire mønstre går igjen.

• Selskapet er vanskelig å lese som en enhet. Uten Organization- og produktmarkering må en AI-tjeneste utlede hva selskapet er fra løpende tekst. Selskap 1 har ingenting; Selskap 2 har selskapet, men ikke produktet. Jo mindre eksplisitt, jo lettere blir selskapet forbigått til fordel for leverandører som er tydeligere.
• Svake kategorisignaler. AI-svarene var bygd opp rundt kategorier av løsninger. Tittelen på Selskap 2 sier bare «Forside», og beskrivelsen mangler. Da kobles ikke siden til kategorien kjøperen spør om.
• Språk og marked. Selskap 1 ble nevnt ved ett engelsk spørsmål, men ikke ved de danske. Selskap 2, med dansk nettsted, ble nevnt ved danske spørsmål i ChatGPT. AI-tjenestene ser ut til å matche språket i spørsmålet mot språket i kildene.
• Tredjepartskilder veier tungt. Svarene bygde på oversiktssider, leverandørlister og sammenligninger. ChatGPTs beskrivelse av Selskap 2 bygde på en tredjepartsside. Konkurrentene som gikk igjen, er veletablerte navn som omtales på mange slike sider.

Poenget er ikke at én enkelt feil forklarer alt. Det er at flere små mangler til sammen gjør selskapene mindre tydelige enn leverandørene AI faktisk lister.

Slik retter vi det: seks tiltak

Rekkefølgen er satt etter hva som er raskest å gjøre og mest sannsynlig å hjelpe. Ingen av tiltakene krever nytt design eller nytt nettsted, og effekten kan måles med de samme spørsmålene.

{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "Organization",
      "@id": "https://eksempel.no/#organization",
      "name": "Eksempel AS",
      "url": "https://eksempel.no/",
      "sameAs": ["https://www.linkedin.com/company/eksempel-as/"]
    },
    {
      "@type": "SoftwareApplication",
      "name": "Eksempel Plattform",
      "applicationCategory": "BusinessApplication",
      "operatingSystem": "Web",
      "description": "Programvare for planlegging og oppfølging av servicebesøk i B2B.",
      "publisher": { "@id": "https://eksempel.no/#organization" }
    }
  ]
}

Hva andre SaaS-selskaper kan ta med seg

Små SaaS-selskaper kommer sjelden i AI-svar ved et uhell. De to selskapene hadde ulike nettsteder, men lignet hverandre på tre punkter.

• Ingen produktmarkering. Ingen av nettstedene beskriver produktet som en SoftwareApplication. Se også GEO for SaaS.
• Ingen ekte llms.txt. Begge manglet en fungerende fil.
• Svake kategorisignaler. Tittel og beskrivelse sa lite om hvilken kategori produktet tilhører.

De tre kan rettes i løpet av noen uker. Det som tar lengre tid, er å bli omtalt av andre.